基本作图：
plot(x)、plot(x, y) #散点图，最多两个变量#可使用参数type生成不同的效果图。常用‘l’、‘o’、‘h’，分别为折线图，点线图，垂线图。
#’s'和’S'是折线图，前者是先水平后垂直，后者是先垂直后水平；’n'是不显示，用于画空白图
#若需对三个以上变量两两作图，可先合并在一个数据框，再对数据框使用plot
#例：r=data.frame(x,y,z); plot(r);
boxplot(x)、boxplot(x,y,z,…) #箱式图，可使用多个参数将多个箱式图做在一起
coplot(x~y|z) #在z的每个值或每个区间上做x与y的散点图
pairs(x) #当x为矩阵时，做x各列之间的散点图
hist(x, freq) #直方图。参数freq默认为TRUE，根据频数作图；若为FALSE，则据构成比（总和为1）作图。
barplot(table(x,y), beside=FALSE) #对定性变量x、y做条图，默认堆积条图，使用beside=T则为并列条图。
qqnorm(x) #QQ图（正态分位数-分位数图）
qqplot(x,y) #y对x的分位数-分位数图
pie(table(x)) #对定性变量x做饼图
arrows #在两点之间画箭头线，箭头与线段之间的夹角可调
segments #在两点之间画线段
加参考线： #低级绘图参数，直接在原图上修改
lines(x)、lines(x, y) #添加折线
abline(lm(y~x)) #添加y对x的回归直线
abline(a,b) #a为截距，b为斜率
abline(v=) #添加垂直线
abline(h=) #添加水平线
添加点：
points(x,y) #低级绘图参数，直接在原图上修改
画曲线：
1、curve(expr, from=0, to=1, n=101, add=FALSE)例：curve(qnorm); curve(log); curve(x^2) #第一个参数可以是函数，也可以是含x的表达式。
例：curve(x^2, 0, 100); #from和to规定表达式或函数的自变量范围，默认0～1。
n：为自变量范围内取多少个点进行描图，n越大，曲线越平滑
add：当取值为TURE时，该曲线添加于前一图上。当两图的自变量取值范围不重合时，无法叠加。
2、plot(fun, from=0, to=1)
用法和curve相似，但第一个参数不能使用含x的表达式。
注意在plot中尽量避免使用add参数。
使用参数pch设定点的样式
1、数字0～20，表示21种不同的符号
curve(x/20,0,21,lty=0); for (i in 0:20) {points(i,0.5,pch=i);}
2、8个字符，表示8种点的样式
curve(x/7,0,7,lty=0); chr=c(‘*’,’.’,'o’,'O’,’0′,’+',’-',’|');
for (i in 0:7) {points(i,0.5,pch=chr[i+1])}
3、数字21～25，表示可以填充背景色的五种符号，需和参数bg联用
curve(x/4,0,4,lty=0); for (i in 0:4) {points(i,0.5,pch=21+i,bg=sample(colors(),1))}
使用参数col设定颜色
例：plot(dnorm, col=’red’)
使用sort(colors())可以查看所有已命名的颜色
使用参数lty设定线型
1、简单取值可以使用0～6
curve(x*8,0,1,lty=0); for (i in 1:16) {abline(h=i/2,lty=i);}
#0表示空白，随取值增大，6种线型循环出现
2、使用十六进制数字组成的字符串
长度只能是偶数位，最长8位；奇数位为表示实线长度，偶数位表示空白长度
注意：需要引号；不能有0。
curve(x^2,0,1,lty=’32′;) #3单位实线和2单位空白循环
curve(x^2,0,1,lty=’32AA’;) #3单位实线、2单位空白、10单位实线、10单位空白循环
使用参数bty设定边框
bty=’o’ #默认显示四条边框
bty=’l’ #不显示右上两条边框，例：curve(x^2,0,1,bty=’l')
bty=’n’ #不显示边框
使用参数xlab和ylab修改坐标轴的意义
curve(x*5,0,1,xlab=”,ylab=”,lty=0) #不显示坐标轴的符号
添加图例
1、图例在作图区域内legend(x,y,legend,pch,col,lty,ncol=1,bty=’o')
#x,y为图例左上角的坐标，也可以使用以下字符来标记特殊位置：”bottomright”, “bottom”, “bottomleft”, “left”, “topleft”, “top”, “topright”, “right” and “center”
#legend是图例的文字，一般是一个字符向量
#pch,col,lty是图中所用的样式
#ncol是图例的列数，bty指明图例的边框显示
例：
curve(x*8,0,1,lty=0); for (i in 1:6) {abline(h=i/2,lty=i);}
legend(0,8,legend=letters[c(1:6)],lty=1:6,bty=’n');
2、图例在作图区域外
需使用par修改参数mar和pty。同时还需要修改参数xpd。
默认mar=c(5,4,4,2)+0.1，即图形下左上右四个边界的宽度分别为5.1,4.1,4.1,2.1厘米。
默认pty=’m'，即最大化作图区域，取值为’s'则限制作图区域为方形。
默认xpd=FALSE，即不允许在作图区域外作图，改为TRUE即可。
例：
op=par(); #保存par的原值
par(mar=c(5,4,4,5),pty=’s'); #准备在图形右边添加图例
curve(x*8,0,1,lty=0); for (i in 1:16) {abline(h=i/2,lty=i);}
legend(1.02,4,legend=letters[c(1:6)],lty=1:6,bty=’n',xpd=T);
par(op); #恢复par的原值
曲线拟合：（线性回归方法：lm）
1、x排序2、求线性回归方程并赋予一个新变量
z=lm(y~x+I(x^2)+…)
3、plot(x,y) #做y对x的散点图
4、lines(x,fitted(z)) #添加拟合值对x的散点图并连线
曲线拟合：（nls）
lm是将曲线直线化再做回归，nls是直接拟合曲线。
需要三个条件：曲线方程、数据位置、系数的估计值。
如果曲线方程比较复杂，可以先命名一个自定义函数。
例：
f=function(x1, x2, a, b) {a+x1+x2^b};
result=nls(x$y~f(x$x1, x$x2, a, b), data=x, start=list(a=1, b=2));
#x可以是数据框或列表，但不能是矩阵
#对系数的估计要尽量接近真实值，如果相差太远会报错：“奇异梯度”
summary(result); #结果包含对系数的估计和p值
根据估计的系数直接在散点图上使用lines加曲线即可。
曲线拟合：（局部回归）
lowess(x, y=NULL, f = 2/3, iter = 3)
#可以只包含x，也可使用x、y两个变量
#f为窗宽参数，越大越平滑
#iter为迭代次数，越大计算越慢
loess(y~x, data, span=0.75, degree=2)
#data为包含x、y的数据集；span为窗宽参数
#degree默认为二次回归
#该方法计算1000个数据点约占10M内存
举例：
x=seq(0, 10, 0.1); y=sin(x)+rnorm(101) #x的值必须排序
plot(x,y); #做散点图
lines(lowess(x,y)); #利用lowess做回归曲线
lines(x,predict(loess(y~x))); #利用loess做回归曲线，predict是取回归预测值
z=loess(y~x); lines(x, z$fit); #利用loess做回归曲线的另一种做法
核密度估计曲线
1、hist(x, freq=FALSE) #根据构成比做直方图2、核密度估计
density(x,
bw=’nrd0′, #设置窗宽，默认为‘nrd0’（只是为了兼容，并不是推荐数值），可尝试不同数字选择最合适的。
kernel = c(“gaussian”, “epanechnikov”, “rectangular”, “triangular”, “biweight”, “cosine”, “optcosine”),
#选择列表中的一种计算方法，默认为第一种。方法名称可使用首字母代替。
weights) #给不同的x值赋予权重，长度和x相同。默认权重相同。
例：a=density(x,bw=0.5, kernel=’c');
3、lines(a) #添加核密度曲线